高渗透率光伏场景的配电网双级电压风险控制策略的方法与流程

1.本发明涉及高渗透率光伏场景的配电网双级电压风险控制策略的方法，属于运行安全优化与能源调度领域。


背景技术：

2.随着全球碳减排政策的实施，光伏电源作为一种新型电源具有着巨大的潜力，各国都在积极发展光伏发电技术，推动光伏产业的发展。但是，由于光伏出力的波动性和不确定性，在光伏并网的同时造成了一系列的运行安全问题。尤其是在高渗透光伏场景下，电压越限问题尤其严重。在突发情况下比如负荷突然增加或者光伏出力发生剧烈变化时，影响配电网运行的安全性。


技术实现要素：

3.技术问题
4.本发明提供高渗透率光伏场景的配电网双级电压风险控制策略的方法，能够提前发现潜在电压风险节点，并采取电压管控措施从而降低配电网运行的风险性的特点。
5.技术方案
6.高渗透率光伏场景的配电网双级电压风险控制策略的方法，该方法包括以下步骤：
7.(1)建立光伏出力与负荷概率模型，所述光伏出力与负荷概率模型包括：光伏出力概率模型，光伏出力概率模型用于反馈配电网中的光伏电源输出有功功率的概率密度；负荷出力概率模型，负荷出力概率模型用于反馈配电网中的负荷的有功功率概率密度和负荷的无功功率概率密度；
8.(2)建立接入光伏出力与负荷概率模型约束的高渗透率光伏场景下新型电压风险指标以及电压风险最小目标函数；
9.(3)调节可控变量，可控变量包括：24小时时段配电网的光伏出力有功功率，无功功率，负荷响应的有功功率和负荷的无功功率，将调节后的可控变量接入至光伏出力与负荷概率模型，进行基于遗传算法的时序潮流优化，进行预估；
10.(4)根据步骤(2)中的目标函数，确定各可控变量下的最优建立光伏出力与负荷概率模型的输入量，从而输出最优的可控变量，利用输出最优的可控变量实现日配电网电压风险最小。
11.进一步的，光伏出力概率模型构建如下：
12.在不同场景下，太阳光照强度可以近似看成beta分布，其概率密度函数如下：
[0013][0014]
式中，r
max
和r分别是这段时间内的最大光强和实际光强，α和β均为beta分布的形状参数，可由不同场景下的光照均值μ和方差σ求得：
[0015][0016][0017]
假设给定太阳能电池方阵，具有m个电池组件，光伏电池组件的光电转化效率和组件面积分别为ηi和ai(i＝1,2,
…
,m)，则该光伏电池阵列输出的有功功率为：
[0018][0019]
由于在考虑光伏发电对电网影响时，应主要考虑自然辐射条件的原则，忽略环境温度的影响，上式可以化简为：
[0020][0021]
光伏出力与光照强度密切相关，其具体表达式如(5)所示；
[0022][0023]
结合上式，可推导出光伏电源输出有功功率的概率密度函数，如下式所示：
[0024][0025]
对其做简化：
[0026][0027]
式中，p
max
为光伏电源最大输出有功功率，p
max
＝μηar
max
；rn为额定光强。
[0028]
进一步的，负荷出力概率模型构建如下：
[0029][0030]
式中，p
l
为负荷的有功功率；μ
p
为负荷有功功率的数学期望值；σ
p
为负荷有功功率的标准差；q
l
为负荷的无功功率；μq为负荷无功功率的数学期望值；σq为负荷无功功率的标准差。
[0031]
进一步的，高渗透率光伏场景下新型电压风险指标，包括：
[0032]
电压时序波动风险指标
[0033][0034]
δv
i,s
(t)＝|v
i,s
(t)-v
i,s
(t-1)|
ꢀꢀ
(10)
[0035][0036]
式中，sev
flu
(v
i,s
)是在s场景下节点i的电压波动风险严重度函数；v
i,t,s
是s场景下节点i在t时刻的电压；t是每小时内平均划分的周期数量；代表一个周期内电压变化的平均值；是节点i在t时刻的电压波动风险；ρ
t,s
是在场景s下节点i在t时刻发生电压波动风险的概率；是二进制变量，表示是否发生电压波动风险；
[0037]
电压时序越限风险指标
[0038][0039]
其中，sev
vh
(v
i,t,s
)和sev
vl
(v
i,t,s
)分别表示在场景s下节点i在t时刻电压过压严重度函数和节点i在t时刻电压欠压严重度函数；电压v
max
表示电压的上限，v
min
表示电压的下限；
[0040][0041]
其中，和是节点i在t时刻的节点过电压风险和节点欠电压风险；ρ
t,s
是指在场景s下节点i在t时刻过电压或者欠电压的概率；s∈ω
t
是选定场景集；和分别是二进制表示形式，用0和1表示是否发生过电压或者欠电压；表示任意一个节点；表示任意t时刻；
[0042]
配电网时序电压风险指标
[0043][0044]
式中，cri是综合配电网电压风险指标；权重值α,β和γ。
[0045]
进一步的，电压风险最小目标函数，包括：
[0046]
目标函数
[0047][0048]
约束条件
[0049]
d)潮流等式约束
[0050][0051]
式中，p
it
和分别是t时刻第i个节点注入的有功功率和无功功率；和分别是t时刻第i台光伏机组的有功功率和无功功率；和分别为t时刻负荷的有功功率和无功功率；n为t时刻的光伏机组数目。
[0052]
e)光伏出力和负荷约束
[0053][0054]
式中,和表示t时刻下光伏预测有功出力和无功出力；和表示t时刻下第i个节点负荷可控有功功率和无功功率。
[0055]
f)风险约束
[0056]
配电网需要运行在安全范围之内，所以电压风险需要受到约束。
[0057][0058]
式中，ε1,ε2,ε3分别表示过电压，欠电压，电压波动为可接受的风险水平。
[0059]
进一步的，调节可控变量，可控变量包括：24小时时段配电网的光伏出力有功功率，无功功率，负荷响应的有功功率和负荷的无功功率，将调节后的可控变量接入至光伏出力与负荷概率模型，进行基于遗传算法的时序潮流优化，进行预估，包括：
[0060]
步骤1：对24小时时段配电网的可控变量进行染色体编码，可控变量包括：24小时时段配电网的光伏出力有功功率，无功功率，负荷响应的有功功率和负荷的无功功率光伏出力有功功率，无功功率，负荷响应的有功功率和负荷的无功功率；
[0061]
步骤2：对每一个可变变量进行输入至光伏出力与负荷概率模型进行潮流计算，进行对每一个可变变量进行电压时序风险评估，计算各个时段下的配电网风险值；
[0062]
输出对每一个可变变量下的综合配电网电压风险指标，计算每个种群个体的适应度函数，适应度函数是指在满足约束条件后的最优目标函数；对于不符合约束的种群个体，通过设置惩罚项0使之淘汰，满足要求的则进入步骤6；
[0063]
步骤3：当满足迭代次数时，进入步骤4；不满足时，经过种群之间选择，交叉，变异操作，生成新的种群，重复步骤2-3.
[0064]
每个种群被选择的概率为：
[0065][0066]
其中，fi是第i个种群的适应度函数。
[0067]
步骤4：根据适应度函数，输出最佳可变变量，该可变变量可以实现日配电网电压风险最小。
[0068]
在一些公开中，本技术提供了一种设备，包括：
[0069]
一个或多个处理器；
[0070]
存储器，用于存储一个或多个程序；
[0071]
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述的高渗透率光伏场景的配电网双级电压风险控制策略的方法。
[0072]
在一些公开中，本技术提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行上述高渗透率光伏场景的配电网双级电压风险控制策略的方法。
[0073]
有益效果
[0074]
与现有技术相比，本发明具有如下优点：
[0075]
本发明提出了新型电压风险指标，将电压波动性考虑在内，可以提前发现电压变化率较大的节点，并提前采取风险管控措施，降低各个潜在电压节点越限的风险，从而提高配电网运行的安全性。
附图说明
[0076]
图1是本发明一种实施例下的流程图。
[0077]
图2是本发明一种实施例下的建立的配电网新型电压风险指标图。
[0078]
图3是本发明一种实施例下的提出的基于遗传算法的新型电压风险管控流程图。
具体实施方式
[0079]
下面结合附图对本发明做详细说明。
[0080]
本发明的总体方法流程说明：
[0081]
步骤1：本发明以ieee33节点配电系统进行仿真分析，该系统的基准容量和基准电压分别为10mva和12.66kv。系统中有34个节点，光伏安装节点为节点5、15，18，23，26和31，光伏安装容量分别为1.2、1.6、1.2、0.8、1.3和1.5mva，设定最小功率因数均为0.95；
[0082]
步骤2：建立光伏出力与负荷概率模型；
[0083]
光伏出力概率模型
[0084]
在不同场景下，太阳光照强度可以近似看成beta分布，其概率密度函数如下：
[0085][0086]
式中，r
max
和r分别是这段时间内的最大光强和实际光强，α和β均为beta分布的形
状参数，可由不同场景下的光照均值μ和方差σ求得：
[0087][0088][0089]
假设给定太阳能电池方阵，具有m个电池组件，光伏电池组件的光电转化效率和组件面积分别为ηi和ai(i＝1,2,
…
,m)，则该光伏电池阵列输出的有功功率为：
[0090][0091]
由于在考虑光伏发电对电网影响时，应主要考虑自然辐射条件的原则，忽略环境温度的影响，上式可以化简为：
[0092][0093]
光伏出力与光照强度密切相关，其具体表达式如(5)所示。
[0094][0095]
结合上式，可推导出光伏电源输出有功功率的概率密度函数，如下式所示：
[0096][0097]
对其做简化：
[0098][0099]
式中，p
max
为光伏电源最大输出有功功率，p
max
＝μηar
max
；rn为额定光强。
[0100]
负荷出力概率模型
[0101][0102]
式中，p
l
为负荷的有功功率；μ
p
为负荷有功功率的数学期望值；σ
p
为负荷有功功率的标准差；q
l
为负荷的无功功率；μq为负荷无功功率的数学期望值；σq为负荷无功功率的标准差。
[0103]
步骤3：定义高渗透率光伏场景下新型电压风险指标；
[0104]
电压时序波动风险指标
[0105]
[0106]
δv
i,s
(t)＝|v
i,s
(t)-v
i,s
(t-1)| (10)
[0107][0108]
式中，sev
flu
(v
i,s
)是在s场景下节点i的电压波动风险严重度函数；v
i,t,s
是s场景下节点i在t时刻的电压；t是每小时内平均划分的周期数量；代表一个周期内电压变化的平均值；是节点i在t时刻的电压波动风险；ρ
t,s
是在场景s下节点i在t时刻发生电压波动风险的概率；是二进制变量，表示是否发生电压波动风险。
[0109]
电压时序越限风险指标
[0110][0111]
其中，sev
vh
(v
i,t,s
)和sev
vl
(v
i,t,s
)分别表示在场景s下节点i在t时刻电压过压严重度函数和节点i在t时刻电压欠压严重度函数；电压v
max
表示电压的上限，v
min
表示电压的下限。
[0112][0113]
其中，和是节点i在t时刻的节点过电压风险和节点欠电压风险；ρ
t,s
是指在场景s下节点i在t时刻过电压或者欠电压的概率；s∈ω
t
是选定场景集；和分别是二进制表示形式，用0和1表示是否发生过电压或者欠电压；表示任意一个节点；表示任意t时刻。
[0114]
配电网时序电压风险指标
[0115][0116]
式中，cri是综合配电网电压风险指标；其中的权重值α,β和γ根据层次分析法和熵值法共同确定；如权重值α,β和γ根据层次分析法和熵值法共同确定，即先由层次分析法定出三个指标对应的权重为(a1,a2,a3)，再由熵值法确定出三个指标对应的权重为(b1,b2,b3)，那么综合起来得到的三个指标权重为(c1,c2,c3)，其中c(i)＝a(i)*b(i)/∑(a(i)*b(i))(i＝1,2,3)。
[0117]
步骤4：构造电压风险最小目标函数；
[0118]
1.目标函数
[0119][0120]
2.约束条件
[0121]
g)潮流等式约束
[0122][0123]
式中，p
it
和分别是t时刻第i个节点注入的有功功率和无功功率；和分别是t时刻第i台光伏机组的有功功率和无功功率；和分别为t时刻负荷的有功功率和无功功率；n为t时刻的光伏机组数目。
[0124]
h)光伏出力和负荷约束
[0125][0126]
式中,和表示t时刻下光伏预测有功出力和无功出力；和表示t时刻下第i个节点负荷可控有功功率和无功功率。
[0127]
i)风险约束
[0128]
配电网需要运行在安全范围之内，所以电压风险需要受到约束。
[0129][0130]
式中，ε1,ε2,ε3分别表示过电压，欠电压，电压波动为可接受的风险水平。
[0131]
步骤5：基于改进遗传算法的电压风险管控求解策略；
[0132]
1、读取基本数据，包括配电网的负荷，线路功率，光伏出力等基本参数。
[0133]
2、对24小时时段的光伏出力有功，无功，负荷响应等可控变量进行染色体编码。
[0134]
3、种群初始化，每个种群个体代表一种方案。
[0135]
4、将编码二进制转为实数，对每个方案进行电压时序风险评估，计算各个时段下的配电网风险值。
[0136]
5、输出每种方案下的cri，计算每个种群个体的适应度函数，适应度函数是指在满足约束条件后的最优目标函数。对于不符合约束的种群个体，通过设置惩罚项0使之淘汰，满足要求的则进入步骤6。
[0137]
6、当满足迭代次数时，进入步骤7；不满足时，经过种群之间选择，交叉，变异操作，生成新的种群，重复步骤4-6.
[0138]
每个种群被选择的概率为：
[0139][0140]
其中，fi是第i个种群的适应度函数。
[0141]
7、根据适应度函数，输出最佳优化方案该优化方案可以实现日配电网电压风险最小。
[0142]
以上描述了本发明的具体实施方式。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的方法说明，在不脱离本发明的精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护的范围由所附的权利要求书及其效物界定。